CN106027436A - 一种识别信号调制方式的方法及装置 - Google Patents

Abstract

本发明涉及一种信号调制方式的识别方法，属于无线技术信号调制方式识别领域。接收单一信号到均匀阵列天线的每一个天线，最大比值合并每一路接收到的信号，提高接收信噪比，并通过基于信号特征的联合高阶累积量对信号进行识别并最终确定信号的调制方式。本发明的优点在于既能极大降低算法的复杂度以及运算时间，同时又能获得高识别精度。

Description

一种识别信号调制方式的方法及装置

技术领域

本发明涉及无线系统信号调制方式识别领域。

背景技术

随着无线通信的高速发展，大量的业务急速增长，频谱资源也就变的越来越紧缺。无线环境由于多种标准以及信号的多样性而变得越来越复杂，对无线电频谱监测造成极大挑战。另一方面，由于软件无线电的快速发展使得无线设备变得更加廉价，这时就存在非法用户对紧缺的频谱资源进行占用。为了保证无线系统的正常工作，频谱监测尤其是对占用的无线信号调制方式的识别，因其能够识别占用信号制式，进而确定用户身份，得到越来越多的关注。

传统调制方式的识别方法大致可以分为：基于决策理论的最大似然调制方式识别方法和基于特征的识别方法。最大似然调制方式识别方法的特点是通过观察待识别的信号波形，假设其为某一种候选的调制方式，然后计算其似然函数，通过似然比判断调制方式。该类方法基于每一种信号统计特性分析，需要遍历每一个隶属于某一调制方式的星座点，因此算法复杂，不易实现。而基于特征的识别方法是通过计算得到信号的累积量特征，在候选调制方式中进行相关分析从而得到距离最小的结果即为判定结果。其存在识别范围有所限制，且识别精度较低。

例如，通过对得到的信号进行高阶累积量以及谱特征的计算，来估计其对应的调制方式。通过信号带通滤波，估计载波频率，估计符号速率，获取高阶累积量参数，通过获取谱峰数目对不同调制方式的信号进行识别。现有方案中对于高阶累积量的计算往往都只有单一的接收信号，在通过有噪声干扰的信道后信号的质量得不到保证，因此识别准确率也会大幅度降低。而对于单一高阶累积量调制识别的方式，识别的准确率无法达到要求，因此也有很大的提升空间。

发明内容

本发明的目的在于提供一种识别信号调制方式的方法及装置，能够提高信号接收信噪比，提高信号识别准确率。

为达到上述目的，本发明公开了一种识别信号调制方式的方法，应用于具有天线阵列的无线通信系统中，所述方法包括：

接收单一信号到天线阵列中的每条天线，计算每条天线上的信号的信噪比；根据所述信噪比确定每条天线所在支路的加权比例；估计每条天线接收到信号的到达角度，根据所述到达角度恢复每条天线接收到信号的相位；按照所述加权比例对恢复相位的每条天线接收到信号进行同相相加，获得求和后的信号；计算求和后的信号的N个高阶累积量，N为大于等于2的自然数，由所述N个高阶累积量组成一个1*N的向量，计算所述一个1*N的向量在不同调制模式下的实际特征向量；计算得到实际特征向量与理论特征向量之间的多个距离值；所述多个距离值中的最小值对应的调制方式是所接收信号的调制方式。

所述的一种识别信号调制方式的方法，其中，采用最大比值合并方式确定加权比例。

所述的一种识别信号调制方式的方法，其中调制模式为BPSK，QPSK，16QAM，64QAM。

所述的一种识别信号调制方式的方法，其中，采用DOA算法估计每条天线接收到信号的到达角度并恢复相位。

所述的一种识别信号调制方式的方法，其中，计算高阶累积量在不同调制模式下的实际特征向量满足以下公式：i为特定调制方式，Vi为实际特征向量的值，p代表阶数，q代表数值共轭的幂指数，C是累积量，k是特征向量的长度。

所述的一种识别信号调制方式的方法，其中，所述N个高阶累积量包括以下任意两个或两个以上：C₄₂、C₆₃、C₈₀、C₈₄。

所述的一种识别信号调制方式的方法，其中，所述N个高阶累积量是：C₄₂、C₆₃、C₈₄。

所述的一种识别信号调制方式的方法，其中，计算实际特征向量与理论特征向量之间的距离值H_i满足以下公式：i为特定调制方式，V_i为实际特征向量的值，V_s是理论特征向量的值。

所述的一种识别信号调制方式的方法，其中，所述天线阵列为均匀天线阵列。

本发明还公开了一种识别信号调制方式的装置，包括：

天线阵列，用于接收单一信号到天线阵列中的每条天线；

信号恢复模块，用于计算每条天线上的信号的信噪比，根据所述信噪比确定每条天线所在支路的加权比例，估计每条天线接收到信号的到达角度，根据所述到达角度恢复每条天线接收到信号的相位，按照所述加权比例对恢复相位的每条天线接收到信号进行同相相加，获得求和后的信号；

联合高阶累积量模块，用于计算求和后的信号的N个高阶累积量，N为大于等于2的自然数，由所述N个高阶累积量组成一个1*N的向量，计算所述一个1*N的向量在不同调制模式下的实际特征向量；

调制方式识别模块，用于计算得到实际特征向量与理论特征向量之间的多个距离值，所述多个距离值中的最小值对应的调制方式是所接收信号的调制方式。

由上述的技术方案可见，本发明采用天线阵列替代单一天线得到高信噪比的待识别信号，并且在计算复杂度依然保持相同量级的同时，采用联合多种累积量求解，大幅度的提高了识别的精度，使得盲检测技术更加成熟。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施方式的流程图；

图2是本发明实施方式的框图；

图3是本发明实施方式与最大似然法的仿真对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明公开了一种识别信号调制方式的装置，包括：

天线阵列，用于接收单一信号到天线阵列中的每条天线，其中，该天线阵列为均匀天线阵列，单一信号为单一天线发送的信号；

信号恢复模块，用于计算每条天线上的信号的信噪比，根据所述信噪比按照最大比值合并方式确定每条天线所在支路的加权比例，使用DOA(到达方向角)方法估计每条天线接收到信号的到达角度，并根据所述到达角度恢复每条天线接收到信号的相位，按照所述加权比例对恢复相位的每条天线接收到信号进行同相相加，获得求和后的信号，得到高信噪比的信号；

联合高阶累积量模块，用于计算求和后的信号的N个高阶累积量，N为大于等于2的自然数，由所述N个高阶累积量组成一个1*N的向量，计算所述一个1*N的向量在不同调制模式下的实际特征向量；

调制方式识别模块，用于计算得到实际特征向量与理论特征向量之间的多个距离值，所述多个距离值中的最小值对应的调制方式是所接收信号的调制方式。

下面结合图1介绍一下本发明技术方案的实现方法和步骤。

步骤101、接收单一信号到天线阵列中的每条天线，计算每条天线上的信号的信噪比；

步骤102、根据所述信噪比确定每条天线所在支路的加权比例；

步骤103、再根据DOA方法估计每条天线接收到信号的到达角度，根据所述到达角度恢复每条天线接收到信号的相位；

步骤104、按照所述加权比例对恢复相位的每条天线接收到信号进行同相相加，得到了补偿之后的质量更优的信号；

步骤105、再根据得到的信号计算出其两个以上不同阶数的N个高阶累积量，将所述N个高阶累积量组成一个1*N的向量计算得到所述一个1*N的向量的实际特征向量，在假定调制模式为BPSK(二相相移调制)，QPSK(四相相移调制)，16QAM(16正交幅相调制)，64QAM(64正交幅相调制)时，得到对应四种调制模式的四个实际特征向量；

步骤106、计算所述实际特征向量与理论特征向量(根据星座图计算获得，参见表1)的距离值(106)，获得多个距离值；

步骤107、根据多个距离值中的最小值所对应的调制方式确定为所接收信号的调制方式。

本方案由于利用了多天线分集以及联合多种高阶累积量(JMC)，从而大幅度提高了识别准确性。

在步骤(101)-(104)中使用了基于估计的DOA(到达方向角)合并方式：DOAC算法。DOAC算法估计了信号的到达角度以及使用最大比值合并方式合并了不同分支的信号。

DOAC的算法流程：首先通过估计得到每个路径的信噪比，而接收到的信号合并时的权重取决于该支路信号信噪比的大小。需要注意的是，每一个天线由于空间位置不同会存在着相位偏移，因此为了实现最大比值合并估计DOA是非常必要的。

基于累积量的DOA使用了较低的复杂度，因为在识别时也会用到累积量，在进行DOA评估时，我们使用四阶累积量定义累积矩阵如下所示：

$O_4=cum\left\{\left[\begin{array}{c}{x}_1\left(n\right)x_1^{*}\left(n\right)x_1\left(n\right)\\ .\\ .\\ .\\ x_L\left(n\right)x_L^{*}\left(n\right)x_L\left(n\right)\end{array}\right]{\left[\begin{array}{c}{x}_1^{*}\left(n\right)\\ x_2^{*}\left(n\right)\\ .\\ .\\ .\\ x_L^{*}\left(n\right)\end{array}\right]}^H\right\}---\left(7\right)$

此外，旋转相角矩阵Ψ与累积量矩阵的关系如下式所示：

O₄＝Ψγγ^H (8)

其中γ＝diag(σ_1,σ₂,...,σ_P)，而且σ_i是在四阶累积量C₄₂的第_i个传输信号，其中有P个信号源。由于接收到的信号给定，而且O₄能够被计算出来，信号的DOA通过多信号识别能够被确定。

由于空间的几何复杂性对于信号矩阵的结构特征有着关键的作用，因此我们可以通过寻找信号子矩阵的峰值来估计信号的到达角度。进而通过到达角度对信号的相位进行恢复。

下面对多种常用的高阶累积量的计算进行详细的说明。

对于一个平稳随机过程y(m)，混合矩的定义如下：

$M_{pq}=E\[r{\left(m\right)}^{p-q}{r}^{*}{\left(m\right)}^q\]=\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}r{\left(m\right)}^{p-q}{r}^{*}{\left(m\right)}^q---\left(1\right)$

p代表阶数，q代表数值共轭的幂指数，r(m)代表信号序列。而累积量是对于里面共轭项的一些替换，一些常用的累积量定义如下：

C₂₁＝Cum(r(m),r^*(m))＝M₂₁＝E[r(m)r^*(m)] (2)

$C_{42}=Cum\left(r\right(m),r(m),r^{*}(m),r^{*}(m\left)\right)=M_{42}-|M_{20}{|}^2-2M_{21}^2---\left(3\right)$

对于不同调制方式的不同阶数的累积量在理论上的值可以根据星座图进行计算。为了不失一般性，我们对每种调制方式的理论值进行归一化计算，如下所示：

$\begin{array}{c}\stackrel{\‾}{C_{4v}}=C_{4v}/C_{21}^2,v=0,2\\ \stackrel{\‾}{C_{6v}}=C_{6v}/C_{21}^3,v=0,1,2,3.\end{array}---\left(4\right)$

根据式(1)和式(2)、(3)、(4)可以分别计算得到待测信号所选择的多个高阶累积量向量。

一些常用的标准归一化累积量理论特征向量的值，如下表1所示：

表1

相比传统的单一累积量调制识别方式(最短路径或门限逼近法)，我们提出了联合累积量识别的方式(JMC)来充分利用不同阶数的各种累积量。开始我们选出一些高阶累积量，根据式(1)和式(2)、(3)、(4)可以分别计算得到N个高阶累积量，将N个高阶累积量联合组成一个1*N的向量。

建立累积量特征向量，这一个特征向量对应着某一种特定的调制方式i，公式有下面给出：

$V_i={\[C_{pq}^i\]}_{1*k},---\left(5\right)$

这里面K指的是特征向量的长度。那么对于这一个由N个高阶累积量联合组成的一个1*N的向量，通过公式(5)可以得到不同调制模式下的实际特征向量V_i，例如i分别对应调制方式为BPSK，QPSK，16QAM，64QAM的情况，可以得到四个实际特征向量。

而理论特征向量的值可以从表1得到。在不同假定调制方式下，我们计算实际特征向量与理论特征向量的距离，识别计算公式可由下式得到

$H_i=\arg {\min }_{i\∈\mathrm{\Ω}}\left|\right|{\hat{V}}_i-V_s\left|\right|,---\left(6\right)$

这里V_s指的是理论特征向量的值，而V_i是假定调制方式为i的情况下的实际特征向量，理论特征向量和实际特征向量之间的距离值为H_i。

根据公式(6)可以得到与BPSK，QPSK，16QAM，64QAM对应的多个距离值，其中多个距离值中的最小值所对应的调制方式确定为所接收信号的调制方式，获得信号调制方式的识别结果。

下面结合图2对本发明优选实施方式进行说明。

首先我们选择一根发射天线进行数据发送，两根天线(也可以是多根，此处仅作示例说明)组成的均匀天线阵列进行数据接收。发送端对基带信号进行调制，可采用BPSK，QPSK，16QAM，64QAM调制方式。

通过无线信道传输，接收端有两个天线分别接收到通过不同路径接收的相同信号。对于每一根天线来讲，我们可以测得信号的信噪比，测量方法可以先对信道进行测试，得到信道矩阵，从而得到信噪比，或者是根据发送信号的导频信息根据y＝Hs(y是接收信号，s是导频信号)估计出信道矩阵H，这样也可以得到信噪比。这样通过对比两个天线的信噪比的不同根据最大比值合并原则，得到两条支路的不同权重。

由于两个天线接收信号时信号的到达角度是不一样的，我们需要对信号进行相位的恢复，从而能使得最后的信号可以同相相加。我们采用DOA(波达方向角)估计方法对相位进行计算。例如，采用经典的MUSIC(多信号分类)算法实现DOA，然后恢复信号的相位。

对于恢复的两路信号进行有权的同相相加(两个信号序列的对应位置分别乘以权重然后相加)，权重的取值通过最大比值合并法。这样我们就将两个天线接收到的信号恢复成了一路信号，该信号具有高信噪比。

对于恢复后的这个信号进行高阶累积量的计算，由于是多种高阶累积量联合使用，高阶累积量可以是以下任意两个或两个以上：C₄₂、C₆₃、C₈₀、C₈₄，此处我们选取并分别计算C₄₂，C₆₃，C₈₄这三种累积量作为一种较佳的实施方式进行说明，其中C₄₂，C₆₃计算方式如前文所述，C₈₄计算满足下式：

C₈₄＝M₈₄-16C₆₃M₂₁-|C₄₀|²-18C² ₄₂-72C₄₂M² ₂₁-24M⁴ ₂₁ (7)

计算得到的C₄₂,C₆₃,C₈₄的值，组成一个1*3的向量，将这一个1*3的向量代入公式(5)得到实际特征向量，与BPSK，QPSK，16QAM，64QAM对应得到四个实际特征向量。根据标准归一化表1提供的理论特征向量，利用公式(6)得到C₄₂,C₆₃,C₈₄组成的一个1*3的向量与理论特征向量之间的距离值，此处该距离值为12个。距离最小的就是识别出来的调制方式。

参照图3可以发现，本发明给出的方法对比最大似然法，准确率可以达到95％以上，同时可以节约很多的运算时间以及能耗，与单一累积量法相比，由于提供了多个高阶累积量的特征，极大地避免了通过单一累积量比对时无法识别或者识别错误的问题。

可以看出，本实施方式接收到达信号是采用多天线分集，充分考虑天线的空间复杂性，并对到达角度进行估计，在消除角度影响(相位恢复)后进行最大比值合并，相比于单天线接收，信号的信噪比大幅度提高，对于识别来说相当于提高了发射信号的功率，从另一侧面来说，也就是节约了发射机的功率。进一步，通过基于信号特征的联合高阶累积量对信号进行识别并最终确定信号的调制方式能够逼近当前理论最优的最大似然算法实现的识别精度，同时极大降低算法的复杂度以及运算时间。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种识别信号调制方式的方法，其特征在于，应用于具有天线阵列的无线通信系统中，所述方法包括：

接收单一信号到天线阵列中的每条天线，计算每条天线上的信号的信噪比；

根据所述信噪比确定每条天线所在支路的加权比例；

估计每条天线接收到信号的到达角度，根据所述到达角度恢复每条天线接收到信号的相位；

按照所述加权比例对恢复相位的每条天线接收到信号进行同相相加，获得求和后的信号；

计算求和后的信号的N个高阶累积量，N为大于等于2的自然数，由所述N个高阶累积量组成一个1*N的向量，计算所述一个1*N的向量在不同调制模式下的实际特征向量；

计算得到实际特征向量与理论特征向量之间的多个距离值；

所述多个距离值中的最小值对应的调制方式是所接收信号的调制方式。

2.如权利要求1所述的一种识别信号调制方式的方法，其特征在于，采用最大比值合并方式确定加权比例。

3.如权利要求1所述的一种识别信号调制方式的方法，其特征在于，调制模式为BPSK，QPSK，16QAM，64QAM。

4.如权利要求1所述的一种识别信号调制方式的方法，其特征在于，采用DOA算法估计每条天线接收到信号的到达角度并恢复相位。

5.如权利要求1所述的一种识别信号调制方式的方法，其特征在于，计算高阶累积量在不同调制模式下的实际特征向量满足以下公式：

$V_i={\[C_{pq}^i\]}_{1*k},---\left(5\right)$

i为特定调制方式，Vi为实际特征向量的值，p代表阶数，q代表数值共轭的幂指数，C是累积量，k是特征向量的长度。

6.如权利要求1所述的一种识别信号调制方式的方法，其特征在于，所述N个高阶累积量包括以下任意两个或两个以上：C₄₂、C₆₃、C₈₀、C₈₄。

7.如权利要求1所述的一种识别信号调制方式的方法，其特征在于，所述N个高阶累积量是：C₄₂、C₆₃、C₈₄。

8.如权利要求1所述的一种识别信号调制方式的方法，其特征在于，计算实际特征向量与理论特征向量之间的距离值H_i满足以下公式：

$H_i={\arg \min }_{i\∈\mathrm{\Ω}}\left|\right|{\hat{V}}_i-V_s\left|\right|,---\left(6\right)$

i为特定调制方式，Vi为实际特征向量的值，V_s是理论特征向量的值。

9.如权利要求1所述的一种识别信号调制方式的方法，其特征在于，所述天线阵列为均匀天线阵列。

10.一种识别信号调制方式的装置，其特征在于，包括：

天线阵列，用于接收单一信号到天线阵列中的每条天线；

信号恢复模块，用于计算每条天线上的信号的信噪比，根据所述信噪比确定每条天线所在支路的加权比例，估计每条天线接收到信号的到达角度，根据所述到达角度恢复每条天线接收到信号的相位，按照所述加权比例对恢复相位的每条天线接收到信号进行同相相加，获得求和后的信号；

联合高阶累积量模块，用于计算求和后的信号的N个高阶累积量，N为大于等于2的自然数，由所述N个高阶累积量组成一个1*N的向量，计算所述一个1*N的向量在不同调制模式下的实际特征向量；

调制方式识别模块，用于计算得到实际特征向量与理论特征向量之间的多个距离值，所述多个距离值中的最小值对应的调制方式是所接收信号的调制方式。